903 articles
La physique de calcul, ou Comp-Ph, explore comment les superordinateurs modélisent l'univers, des collisions d'atomes à la formation des galaxies. Ce domaine transforme des équations complexes en simulations visuelles, permettant aux chercheurs de tester des théories impossibles à vérifier en laboratoire. C'est une fenêtre unique sur la mécanique fondamentale de la réalité, où le code informatique devient un outil d'observation aussi puissant que les télescopes.
Sur Gist.Science, nous parcourons systématiquement les nouveaux prépublications de arXiv dans cette catégorie pour vous offrir une double perspective. Chaque article reçoit un résumé technique précis pour les experts, accompagné d'une explication claire et accessible pour tous les curieux. Cette approche double garantit que vous comprenez à la fois la méthode scientifique rigoureuse et ses implications concrètes, sans barrière de langage.
Découvrez ci-dessous les dernières contributions de la communauté scientifique, soigneusement sélectionnées et résumées pour éclairer les avancées récentes en physique computationnelle.
Cet article propose des schémas ADI modifiés et des méthodes KFBI-ADI efficaces et inconditionnellement stables pour résoudre les équations de la chaleur tridimensionnelles avec des frontières et des interfaces irrégulières, y compris des problèmes de Stefan tels que la solidification dendritique.
Cet article propose un cadre de diffusion-réaction sur des substrats fractals, intégrant la dimension de Hausdorff et des paramètres fractionnaires, pour expliquer comment l'hétérogénéité structurelle des tissus et les effets de mémoire modulent la diffusion de l'oxygène et créent une différence de réponse entre les tumeurs et les tissus sains sous irradiation FLASH à ultra-haute dose.
Cet article présente un solveur neuronal basé sur des graphes qui préserve la structure des lois de conservation hyperboliques en intégrant des principes numériques classiques, offrant ainsi une stabilité et une précision supérieures pour la simulation de flux supersoniques avec des gains de temps de calcul significatifs.
L'article présente PINNACLE, un framework open-source qui unifie les réseaux de neurones informés par la physique (PINN) classiques et quantiques avec des stratégies d'entraînement avancées et une accélération multi-GPU, offrant une étude de référence complète pour évaluer leurs performances, leur évolutivité et leurs compromis par rapport aux solveurs traditionnels.
Cette étude propose un flux de travail probabiliste évolutif combinant correction bayésienne et apprentissage profond pour surmonter les biais des modèles déterministes et prédire avec incertitude la perméabilité et la transmissivité des fractures géologiques naturelles.
Cette étude propose un cadre d'apprentissage automatique innovant, incluant une architecture de transfert d'apprentissage hybride, pour corriger avec précision les décalages isotopiques dans les niveaux d'énergie moléculaire, améliorant ainsi considérablement la fiabilité des listes de raies spectrales pour des molécules comme le CO₂ et le CO, essentielles à l'analyse des atmosphères d'exoplanètes.
Cette étude démontre que la méthode des états produits matriciels (MPS) permet de simuler efficacement la convection de Rayleigh-Bénard turbulente bidimensionnelle jusqu'à des nombres de Rayleigh de avec une réduction significative des degrés de liberté, prouvant ainsi sa viabilité pour explorer le régime ultime de la turbulence thermique.
Cette étude démontre que l'entraînement dynamique des spins, via une modulation de la distance inter-radicalaire, surmonte les limitations des couplages dipolaires forts pour améliorer considérablement la sensibilité magnétique des cryptochromes, suggérant ainsi que des récepteurs magnétiques « vivants » et dynamiquement pilotés surpassent leurs équivalents statiques.
Les auteurs proposent une approche bayésienne rigoureuse permettant de déterminer la densité électronique de petites protéines à partir d'images de diffusion X individuelles très bruitées et peu photoniques, surmontant ainsi les limitations précédentes qui restreignaient ces analyses aux grands spécimens comme les virus.
Cet article présente de nouveaux intégrateurs d'Euler exponentiels à rang complet et faible pour l'équation de Lindblad, qui garantissent inconditionnellement la positivité et la conservation de la trace tout en offrant des estimations d'erreur précises et surpassant les méthodes actuelles.